RELATÓRIO TÉCNICO - labeee.ufsc.br³rio_Comfort... · 1 1. INTRODUÇÃO Na área de pesquisa de...

RELATÓRIO TÉCNICO

UNIVERSIDADE FEDERAL DE SANTA CATARINA

CENTRO TECNOLÓGICO

DEPARTAMENTO DE ENGENHARIA CIVIL

Campus Universitário – Trindade Florianópolis – SC – CEP 88040-900

Caixa Postal 476

Laboratório de Eficiência Energética em Edificações

Algoritmos em linguagem R para análises de

conforto térmico de acordo com os métodos da

ASHRAE Standard 55

Arthur Santos Silva, Eng. Civil, Doutorando

Enedir Ghisi, PhD

Roberto Lamberts, PhD

Florianópolis, maio de 2016.

Sumário

1. Introdução .......................................................................................................................................... 1

2. Lista de scripts ................................................................................................................................... 2

3. Scripts de funções-base ...................................................................................................................... 3

3.1. Modelo de conforto térmico – low air speed model ................................................................... 3

3.2. Cálculo do SET – Standard Effective Temperature .................................................................... 3

3.3. Modelo de conforto térmico – elevated air speed model ............................................................ 4

3.4. Script integrado da Standard 55 ................................................................................................. 5

3.5. Cálculo do intervalo de temperatura operativa limite ................................................................. 5

4. Scripts para arquivos em lote ............................................................................................................. 7

4.1. Cálculo de índices individuais .................................................................................................... 7

4.2. Cálculo de índices de longo prazo .............................................................................................. 8

5. Como usar os scripts ........................................................................................................................ 11

5.1. Exemplo do PMVlow() ............................................................................................................. 13

5.2. Exemplo do PMVelevated() ..................................................................................................... 14

5.3. Exemplo do PMVboth() ............................................................................................................ 15

5.4. Exemplo do SETashrae() .......................................................................................................... 16

5.5. Exemplo do TOlimits() ............................................................................................................. 17

5.6. Exemplo do ComfortVectorized() ............................................................................................ 18

5.7. Exemplo do Comfort Indices() ................................................................................................. 20

6. Considerações finais ........................................................................................................................ 22

7. Referências utilizadas e recomendadas ............................................................................................ 22

1

1. INTRODUÇÃO

Na área de pesquisa de Conforto Térmico existem alguns métodos consolidados para a avaliação do

nível de conforto dos ocupantes em um ambiente condicionado artificialmente. Há os índices PMV

(Predicted Mean Vote), PPD (Predicted Percentage Dissatisfied), SET (Standard Effective

Temperature), ET (Effective Temperature) e diversas variantes em seus cálculos.

A norma de conforto térmico Standard 55 (ASHRAE, 2013) é bem aceita pela comunidade científica

e traz grandes avanços em pesquisas na área de conforto térmico para ambientes condicionados

artificialmente e naturalmente ventilados. A mesma propõe dois métodos para o cálculo do índice

PMV e PPD para ambientes condicionados: o modelo de baixa velocidade do ar, que considera o

modelo original da ISO 7730 (2005), e o modelo de alta velocidade do ar, que considera o indicador

SET e algumas pesquisas científicas (GAGGE; FOBELETS; BERGLUND, 1986; SCHIAVON;

HOYT; PICCIOLI, 2013; YANG et al., 2015).

A norma internacional ISO 7730 (2005) mostra um algoritmo para o cálculo do PMV e do PPD em

linguagem BASIC. Da mesma forma, a Standard 55 (2013) também apresenta o mesmo algoritmo da

norma ISO 7730, bem como outro algoritmo para o cálculo do SET.

Para a correta aplicação da Standard 55 se utiliza a ferramenta denominada Comfort Tool

(http://comfort.cbe.berkeley.edu/) desenvolvida pelo Center for the Built Environment da University

of California Berkeley que ajuda a efetuar esses cálculos (recomendada pela Standard 55). É uma

ferramenta web prática e simples, que fornece resultados confiáveis para os indicadores de conforto

térmico com a aplicação dos métodos descritos na norma. Entretanto, a ferramenta possibilita a

verificação de resultados de conforto térmico de uma forma individual, no qual cada conjunto de

valores para as variáveis ambientais e pessoais é calculado individualmente.

Acredita-se que uma forma prática e simples de promover a aplicação desses métodos pelos

pesquisadores da área de conforto térmico seja desenvolver ferramentas adequadas que facilitem esses

cálculos. Essas ferramentas devem ter alguns recursos, como a capacidade de calcular os índices de

conforto para grande quantidade de dados, ser código aberto para possibilitar incorporações e

alterações, e de fácil modificação dos parâmetros.

Este relatório descreve o desenvolvimento de algoritmos para contornar essa necessidade. O objetivo

é registrar o desenvolvimento de scripts em linguagem R para análises de conforto térmico conforme

a norma internacional Standard 55 (ASHRAE, 2013) em sua mais nova versão do addendum D

(ASHRAE, 2015).

Os scripts foram desenvolvidos em ocasião do estudo de Silva et al. (2016) para a avaliação de

desempenho de índices de conforto térmico a longo prazo em simulação computacional de edificações.

http://comfort.cbe.berkeley.edu/

2

2. LISTA DE SCRIPTS

Foi utilizado o conceito de “funções” da linguagem R, as quais podem ser acessadas em qualquer

computador por meio da função 𝑠𝑜𝑢𝑟𝑐𝑒(). A Tabela 1 mostra os scripts desenvolvidos e a descrição

de cada um.

Os cinco primeiros scripts são denominados de “funções-base”, pois foram vetorizados para

possibilitar seu uso com argumentos (variáveis de entrada). Eles são flexíveis e podem ser

incorporados em outros scripts em R, dependendo da finalidade do usuário e do nível de conhecimento

em programação em R.

Os dois últimos scripts já foram desenvolvidos para o cálculo de arquivos “em lote”, ou seja, grandes

conjuntos de arquivos de entrada (em .csv) e geram arquivos de saída (em .csv) para que o usuário

possa avaliar todos os resultados de uma vez.

Tabela 1 – Scripts desenvolvidos.

Script Descrição

f(x) PMV_low air speed model.R Calcula o PMV e o PPD de acordo com o modelo de baixa velocidade

do ar para um conjunto de variáveis.

f(x) SET_ASHRAE Standard 55.R Calcula o SET para um conjunto de variáveis.

f(x) PMV_elevated air speed model.R Calcula o PMV e o PPD de acordo com o modelo de alta velocidade do

ar para um conjunto de variáveis.

f(x) PMV_both models.R Calcula o PMV e o PPD escolhendo o modelo adequado em função da

velocidade do ar para um conjunto de variáveis.

f(x) TO limits_ASHRAE Standard 55.R Calcula os limites inferior e superior de temperatura operativa

considerando o limite de conforto térmico de -0,5 a +0,5 de PMV para

um conjunto de variáveis.

f(x) Comfort vectorized operations.R Calcula o PMV, o PPD, o SET e o TO limites para vários conjuntos de

variáveis.

f(x) Long-term indices.R Calcula 37 índices de conforto térmico a longo prazo de forma a agregar

os indicadores individuais em um valor representativo para vários

conjuntos de variáveis.

3

3. SCRIPTS DE FUNÇÕES-BASE

Estes scripts contêm as funções-base vetorizadas e possibilitam a realização de operações para um

conjunto de argumentos de entrada. Estas funções podem ser utilizadas individualmente no próprio

𝑐𝑜𝑛𝑠𝑜𝑙𝑒 do R, e também podem ser utilizadas dentro de outros scripts como uma função comum.

Segue a explicação de algumas notações para o entendimento dos scripts:

Argumentos: são os dados de entrada de uma função, podendo ser vetores ou listas, compostos

por tipo numérico ou caracteres.

Funções: são objetos específicos em R que permitem que o corpo de um algoritmo seja

controlado por meio de argumentos de entrada e objetos de saída.

Listas: são conjuntos de vetores ou valores, numéricos ou caracteres, na linguagem R.

3.1. MODELO DE CONFORTO TÉRMICO – LOW AIR SPEED MODEL

O arquivo “f(x) PMV_low air speed model.R” corresponde ao modelo de conforto térmico de baixa

velocidade do ar (igual ou menor do que 0,10 m/s). Este script possui os seguintes argumentos de

entrada:

CLO: clothing insulation [clo] ou isolamento térmico das vestimentas;

MET: metabolic rate [met] ou taxa metabólica dos ocupantes;

WME: mechanical work [met] ou trabalho mecânico;

TA: air temperature [°C] ou temperatura do ar interno;

TR: mean radiant temperature [°C] ou temperatura radiante média;

VEL: air speed [m/s] ou velocidade do ar;

RH: relative humidity [%] ou umidade relativa do ar;

PA: atmospheric pressure [kPa] ou pressão atmosférica.

Dentro do ambiente R, esta função assume o nome 𝑃𝑀𝑉𝑙𝑜𝑤() após ser incorporada com a função

𝑠𝑜𝑢𝑟𝑐𝑒(). A Tabela 2 mostra um exemplo de uso da função 𝑃𝑀𝑉𝑙𝑜𝑤() com argumentos inseridos no

próprio 𝑐𝑜𝑛𝑠𝑜𝑙𝑒 do R. Essa função retorna uma lista de dois valores: o primeiro é o PMV e o segundo,

o PPD.

Tabela 2 – Exemplo de uso do PMVlow.

> #---PMVlow(CLO,MET,WME,TA,TR,VEL,RH,PA=0)

> PMVlow(0.5,1.0,0.0,25,25,0.06,60,0)

PMV PPD

-0.27 7.00

3.2. CÁLCULO DO SET – STANDARD EFFECTIVE TEMPERATURE

O arquivo “f(x) SET_ASHRAE Standard 55.R” corresponde ao script de cálculo do SET (standard

effective temperature). Ele tem os seguintes argumentos de entrada:



4





RH: relative humidity [%] ou umidade relativa do ar.

Nessa função a pressão atmosférica foi fixada em 101.325 kPa (1atm) conforme o algoritmo mostrado

na norma internacional ASHRAE 55 (2013).

Dentro do ambiente R, esta função assume o nome 𝑆𝐸𝑇𝑎𝑠ℎ𝑟𝑎𝑒() após ser incorporada com a função

𝑠𝑜𝑢𝑟𝑐𝑒(). A Tabela 3 mostra um exemplo de uso da função 𝑆𝐸𝑇𝑎𝑠ℎ𝑟𝑎𝑒() com argumentos inseridos

no próprio 𝑐𝑜𝑛𝑠𝑜𝑙𝑒 do R. Essa função retorna um vetor unitário contendo o valor do SET em [°C].

Tabela 3 – Exemplo de uso do SETashrae.

#---SETashrae(CLO,MET,WME,TA,TR,VEL,RH)

> SETashrae(0.5,1.0,0,25,26,0.35,50)

[1] 22.87

3.3. MODELO DE CONFORTO TÉRMICO – ELEVATED AIR SPEED MODEL

O arquivo “f(x) PMV_elevated air speed model.R” corresponde ao modelo de conforto térmico de alta

velocidade do ar (maior que 0,10m/s). Ele possui os seguintes argumentos de entrada:

a) CLO: clothing insulation [clo] ou isolamento térmico das vestimentas;

b) MET: metabolic rate [met] ou taxa metabólica dos ocupantes;

c) WME: mechanical work [met] ou trabalho mecânico;

d) TA: air temperature [°C] ou temperatura do ar interno;

e) TR: mean radiant temperature [°C] ou temperatura radiante média;

f) VEL: air speed [m/s] ou velocidade do ar;

g) RH: relative humidity [%] ou umidade relativa do ar;

h) PA: atmospheric pressure [kPa] ou pressão atmosférica.

Dentro do ambiente R, essa função assume o nome 𝑃𝑀𝑉𝑒𝑙𝑒𝑣𝑎𝑡𝑒𝑑() após ser incorporada com a

função 𝑠𝑜𝑢𝑟𝑐𝑒(). A Tabela 4 mostra um exemplo de uso da função 𝑃𝑀𝑉𝑒𝑙𝑒𝑣𝑎𝑡𝑒𝑑() com argumentos

inseridos no próprio 𝑐𝑜𝑛𝑠𝑜𝑙𝑒 do R. Essa função retorna uma lista de dois valores: o primeiro é o PMV

e o segundo, o PPD.

Tabela 4 – Exemplo de uso do PMVelevated.

#---PMVelevated(CLO,MET,WME,TA,TR,VEL,RH,PA=0)

> PMVelevated(0.5,1.0,0,25,26,0.35,50,0)

PMV PPD

-0.84 20.00

5

3.4. SCRIPT INTEGRADO DA STANDARD 55

O arquivo “f(x) PMV_both models.R” corresponde a uma função que integra ambos modelos de baixa

velocidade e alta velocidade do ar. O script escolhe automaticamente o modelo conforme a velocidade

do ar: para velocidade igual ou menor de 0,10m/s, escolhe-se o modelo low air speed; para velocidade

acima de 0,10m/s, escolhe-se o modelo elevated air speed.

Ele possui os mesmos argumentos dos modelos individualmente:









Dentro do ambiente R, essa função assume o nome 𝑃𝑀𝑉𝑏𝑜𝑡ℎ() após ser incorporada com a função

𝑠𝑜𝑢𝑟𝑐𝑒(). A Tabela 5 mostra exemplos de uso da função 𝑃𝑀𝑉𝑏𝑜𝑡ℎ() com argumentos e entrada

inseridos no próprio 𝑐𝑜𝑛𝑠𝑜𝑙𝑒 do R. Essa função retorna uma lista de dois valores: o primeiro é o PMV

e o segundo, o PPD.

Tabela 5 – Exemplos de uso do PMVboth.

#---PMVboth(CLO,MET,WME,VEL,RH,PA=0)

> PMVboth(0.5,1.1,0,23,24,0.05,55,0)

PMV PPD

-0.6 13.0

> PMVboth(0.5,1.1,0,25,26,0.35,70,0)

PMV PPD

-0.4 8.0

3.5. CÁLCULO DO INTERVALO DE TEMPERATURA OPERATIVA LIMITE

O arquivo “f(x) TO limits_ASHRAE Standard 55.R” é uma função que calcula, de forma iterativa, as

temperaturas operativas limite de conforto térmico. O cálculo considera PMV igual a -0,5 no caso do

limite inferior, e PMV igual a +0,5 para o limite superior.

Ele possui os seguintes argumentos de entrada (não é necessário inserir as temperaturas do ar e média

radiante, como nos outros modelos):







6

Dentro do ambiente R, essa função assume o nome 𝑇𝑂𝑙𝑖𝑚𝑖𝑡𝑠() após ser incorporada com a função

𝑠𝑜𝑢𝑟𝑐𝑒(). A Tabela 6 mostra exemplos de uso da função 𝑇𝑂𝑙𝑖𝑚𝑖𝑡𝑠() com argumentos de entrada

inseridos no próprio 𝑐𝑜𝑛𝑠𝑜𝑙𝑒 do R. Essa função retorna uma lista de dois valores: o primeiro é a TO

inferior e o segundo, a TO superior.

Tabela 6 – Exemplos de uso do TOlimits.

#---TOlimits(CLO,MET,WME,VEL,RH,PA=0)

> TOlimits(0.5,1.0,0,0.25,55,0)

TO inferior TO superior

25.59 28.34

> TOlimits(0.5,1,0,0.05,50,0)

TO inferior TO superior

24.62 27.21

7

4. SCRIPTS PARA ARQUIVOS EM LOTE

Para ajudar na aplicação das funções-base para arquivos em lote, ou seja, grande quantidade de

arquivos, foram elaborados dois scripts adicionais explicados nos itens a seguir.

4.1. CÁLCULO DE ÍNDICES INDIVIDUAIS

Este script aplica as funções 𝑃𝑀𝑉𝑏𝑜𝑡ℎ(), 𝑆𝐸𝑇𝑎𝑠ℎ𝑟𝑎𝑒() e 𝑇𝑂𝑙𝑖𝑚𝑖𝑡𝑠() para um determinado conjunto

de arquivos “.csv”. Essa função é útil quando se tem grande quantidade de informação acerca das

variáveis ambientais e pessoais de conforto térmico em algum intervalo de tempo (no caso de medições

in loco) ou mesmo quando se tem dados de saída de uma simulação computacional.

O script é denominado “f(x) Comfort vectorized operations.R” e tem como argumentos:

input: o caminho para uma pasta de computador que contenha os arquivos “.csv” com as

informações necessárias. Exemplo “C:/Working Directory/Comfort/Input files”. Deve-se

utilizar a barra invertida “/” para separar as pastas.

output: o caminho para uma pasta de computador para armazenar os arquivos “.csv” gerados

pelo script. Exemplo “C:/Working Directory/Comfort/Output files”. Deve-se utilizar a barra

invertida “/” para separar as pastas.

Cada arquivo “.csv” da pasta contida no argumento “input” deve conter as seguintes informações nas

colunas na ordem apresentada:

1a coluna: CLO clothing insulation [clo] ou isolamento térmico das vestimentas;

2a coluna: MET metabolic rate [met] ou taxa metabólica dos ocupantes;

3a coluna: WME mechanical work [met] ou trabalho mecânico;

4a coluna: TA air temperature [°C] ou temperatura do ar interno;

5a coluna: TR mean radiant temperature [°C] ou temperatura radiante média;

6a coluna: VEL air speed [m/s] ou velocidade do ar;

7a coluna: RH relative humidity [%] ou umidade relativa do ar;

8a coluna: PA atmospheric pressure [kPa] ou pressão atmosférica.

Dentro do ambiente R, essa função assume o nome 𝐶𝑜𝑚𝑓𝑜𝑟𝑡𝑉𝑒𝑐𝑡𝑜𝑟𝑖𝑧𝑒𝑑() após ser incorporada com

a função 𝑠𝑜𝑢𝑟𝑐𝑒(). A função não retorna informações no console do R, mas cria arquivos “.csv” na

pasta “output” informada como argumento.

Os arquivos .csv de saída contêm as seguintes variáveis nas colunas:

PMV: Predicted Mean Vote;

PPD: Predicted Percentage Dissatisfied;

SET: Standard Effective Temperature;

TO inferior: Limite inferior de temperatura operativa para PMV igual a -0,5;

TO superior: Limite superior de temperatura operativa para PMV igual a +0,5.

8

4.2. CÁLCULO DE ÍNDICES DE LONGO PRAZO

Esse script incorpora todas as equações dos índices de avaliação a longo prazo descritas em Silva et

al. (2016) em linguagem R. Esses índices são úteis para a obtenção de um indicador único que agrega

a informação de conforto térmico ao longo de um grande período de tempo para o intuito de análises

comparativas. Índices a longo prazo geralmente são utilizados para comparar o desempenho térmico

de ambientes em uma edificação por simulação computacional.

O script calcula 37 índices de conforto térmico a longo prazo, como explicados a seguir:

1) Percentual de horas fora do intervalo de conforto de PMV (tanto desconforto por frio como por

calor), considerando dados de todo o período [%].

2) Percentual de horas fora do intervalo de conforto de PMV para desconforto por calor,

considerando dados apenas do período de verão [%].

3) Percentual de horas fora do intervalo de conforto de PMV para desconforto por frio,

considerando dados apenas do período de inverno [%].

4) Percentual de horas fora do intervalo de conforto de PMV (tanto desconforto por frio como por

calor), considerando dados da avaliação sazonal (verão e inverno separados) [%].

5) Percentual de horas fora do intervalo de conforto de temperatura operativa (tanto desconforto

por frio como por calor), considerando dados de todo o período [%].

6) Percentual de horas fora do intervalo de conforto de temperatura operativa para desconforto

por calor, considerando dados apenas do período de verão [%].

7) Percentual de horas fora do intervalo de conforto de temperatura operativa para desconforto

por frio, considerando dados apenas do período de inverno [%].

8) Percentual de horas fora do intervalo de conforto de temperatura operativa (tanto desconforto

por frio como por calor), considerando dados da avaliação sazonal (verão e inverno separados)

[%].

9) Horas em excesso do intervalo de conforto de PMV (tanto desconforto por frio como por calor),

considerando dados de todo o período [h].

10) Horas em excesso do intervalo de conforto de PMV para desconforto por calor, considerando

dados apenas do período de verão [h].

11) Horas em excesso do intervalo de conforto de PMV para desconforto por frio, considerando

dados apenas do período de inverno [h].

12) Horas em excesso do intervalo de conforto de PMV (tanto desconforto por frio como por calor),

considerando dados da avaliação sazonal (verão e inverno separados) [h].

13) Horas em excesso do intervalo de conforto de temperatura operativa (tanto desconforto por frio

como por calor), considerando dados de todo o período [h].

14) Horas em excesso do intervalo de conforto de temperatura operativa para desconforto por calor,

considerando dados apenas do período de verão [h].

15) Horas em excesso do intervalo de conforto de temperatura operativa para desconforto por frio,

considerando dados apenas do período de inverno [h].

16) Horas em excesso do intervalo de conforto de temperatura operativa (tanto desconforto por frio

como por calor), considerando dados da avaliação sazonal (verão e inverno separados) [h].

17) PPD médio durante todo o período [%].

18) PPD médio durante o período de verão [%].

19) PPD médio durante o período de inverno [%].

20) Soma de PPD durante todo o período [%*].

21) Soma de PPD durante o período de verão [%*].

22) Soma de PPD durante o período de inverno [%*].

23) Graus-hora de resfriamento considerando todo o período [°Ch].

24) Graus-hora de aquecimento considerando todo o período [°Ch].

9

25) Graus-hora de desconforto total considerando todo o período [°Ch].

26) Graus-hora de resfriamento considerando apenas o período de verão [°Ch].

27) Graus-hora de aquecimento considerando apenas o período de inverno [°Ch].

28) Graus-hora de desconforto total considerando avaliação sazonal (verão e inverno separados)

[°Ch].

29) Horas em excesso ponderadas pelo PPD considerando apenas o período de verão [h].

30) Horas em excesso ponderadas pelo PPD considerando apenas o período de inverno [h].

31) Horas em excesso total ponderadas pelo PPD considerando avaliação sazonal (verão e inverno

separados) [h].

32) Horas em excesso ponderadas pela temperatura operativa considerando apenas o período de

verão [h].

33) Horas em excesso ponderadas pela temperatura operativa considerando apenas o período de

inverno [h].

34) Horas em excesso total ponderadas pela temperatura operativa considerando avaliação sazonal

(verão e inverno separados) [h].

35) Graus-hora de resfriamento ponderadas pelo PPD apenas para o período de verão [°Ch].

36) Graus-hora de aquecimento ponderadas pelo PPD apenas para o período de inverno [°Ch].

37) Graus-hora de desconforto total ponderadas pelo PPD considerando avaliação sazonal (verão

e inverno separados) [°Ch].

O script é denominado “f(x) Long-term indices.R” e tem como argumentos:

𝑖𝑛𝑝𝑢𝑡: o caminho para uma pasta de computador que contenha os arquivos “.csv” com as

informações necessárias. Exemplo “C:/Working Directory/Comfort/Input files”. Deve-se

utilizar a barra invertida “/” para separar as pastas.

𝑜𝑢𝑡𝑝𝑢𝑡: o caminho para uma pasta de computador para armazenar os arquivos “.csv” gerados

pelo script. Exemplo “C:/Working Directory/Comfort/Output files”. Deve-se utilizar a barra

invertida “/” para separar as pastas.

𝑠𝑒𝑎𝑠𝑜𝑛𝑠: um objeto do tipo vetor que contém informações que definam os períodos de verão

e inverno do conjunto de valores em cada arquivo.

O vetor 𝑠𝑒𝑎𝑠𝑜𝑛𝑠 é um vetor que contém o valor 1 nas células que representam o período de verão e o

valor 0 nas células que representem o período de inverno. Se os arquivos “.csv” de entrada contiverem

dados horários em um ano completo (8760 horas), o vetor 𝑠𝑒𝑎𝑠𝑜𝑛𝑠 também deverá ter 8760 células.

Uma forma simples de se inserir essa informação é através do próprio console do R, ao se criar um

objeto de tipo vetor com o nome 𝑠𝑒𝑎𝑠𝑜𝑛𝑠 e definir os valores que representem o verão e inverno com

valores de 1 e 0, respectivamente. A Tabela 7 mostra esse procedimento.

Dentro do ambiente R essa função tem o nome de ComfortIndices() quando incorporada com a função

source(). A função não retorna informações no console do R, mas cria arquivos “.csv” na pasta

“output” informada como argumento. Os dois arquivos “.csv” gerados são explicados a seguir:

indices.csv – contém a informação de todos os índices de avaliação a longo prazo nas colunas,

sendo que as linhas representam cada arquivo de entrada. Os índices estão em suas unidades

originais;

indices-norm.csv – contém a informação de todos os índices de avaliação a longo prazo nas

colunas, sendo que as linhas representam cada arquivo de entrada. Os índices estão

normalizados pelo método vetorial.

A normalização do arquivo “indices-norm.csv” depende diretamente do próprio conjunto de dados

inserido, e serve apenas como comparativo entre esses mesmos dados.

Tabela 7 – Exemplo de criação do vetor 𝑠𝑒𝑎𝑠𝑜𝑛𝑠 no console do R.

10

>seasons=vector(mode="numeric",length=8760) #cria um vetor de nome “seasons” de tamanho 8760

>seasons[1:3850]=1 #define o intervalo de 1 a 3850 como valor 1



11

5. COMO USAR OS SCRIPTS

Deve-se instalar o software do R conforme as recomendações dos desenvolvedores, acessando o sítio

eletrônico < https://www.r-project.org/ >. Deve-se, também, instalar o software RStudio através do

sítio eletrônico < https://www.rstudio.com/ >. A interface do RStudio é mostrada na Figura 1.

Todos os scripts foram desenvolvidos para facilitar a utilização pelo usuário. Desta forma, deve-se

seguir alguns passos:

1. Definir uma pasta de trabalho, ou working directory (ir em Tools > Global options);

2. Dentro dessa pasta de trabalho deve-se criar outra pasta com o nome exato de “Long-term

indices”;

3. Dentro da pasta “Long-term indices” o usuário deve colocar todos os scripts disponibilizados

por este relatório (em extensão “.R”), sem alterar o nome de nenhum arquivo.

Quando algum script for aberto no RStudio o seu conteúdo aparecerá na área 1 da Figura 1. Esta área

1 não deve ser alterada. A área 2 contém o 𝑐𝑜𝑛𝑠𝑜𝑙𝑒 do programa, ou seja, uma área livre para chamar

funções, criar objetos e efetuar os cálculos. A área 3 contém todos os objetos do ambiente utilizado. A

área 4 contém algumas informações sobre outros pacotes bem como arquivos de ajuda das funções do

R.

Figura 1 – Interface do programa R Studio.

1

2

3

4

https://www.r-project.org/

https://www.rstudio.com/

12

Para utilizar o conjunto de scripts, o usuário deve abrir o algoritmo “Source_Thermal comfort.R”,

como mostra a Figura 2. Deve-se clicar em 𝑆𝑜𝑢𝑟𝑐𝑒 para ativar as funções e poder utilizá-las. A

utilização das funções é feita através do 𝐶𝑜𝑛𝑠𝑜𝑙𝑒. Este script chama todas as funções para o ambiente

R (considerando que todas elas estão na mesma pasta do Working Directory).

Figura 2 – Arquivo “Source_Thermal Comfort.R” para utilização dos scripts.

Os itens subsequentes mostram exemplos de utilização de cada script ao exibir, em forma de figura, a

tela resultante do RStudio.

13

5.1. EXEMPLO DO PMVLOW()

A Figura 3 mostra um exemplo da utilização da função 𝑃𝑀𝑉𝑙𝑜𝑤() aberta com o arquivo “f(x)

PMV_low air speed model.R”.

Figura 3 – Exemplos de utilização da função PMVlow.

14

5.2. EXEMPLO DO PMVELEVATED()

A Figura 4 mostra um exemplo da utilização da função 𝑃𝑀𝑉𝑒𝑙𝑒𝑣𝑎𝑡𝑒𝑑() aberta com o arquivo “f(x)

PMV_elevated air speed model.R”.

Figura 4 – Exemplos de utilização da função PMVelevated.

15

5.3. EXEMPLO DO PMVBOTH()

A Figura 5 mostra um exemplo da utilização da função 𝑃𝑀𝑉𝑏𝑜𝑡ℎ() aberta com o arquivo “f(x)

PMV_both models.R”.

Figura 5 – Exemplos de utilização da função PMVboth.

16

5.4. EXEMPLO DO SETASHRAE()

A Figura 6 mostra um exemplo da utilização da função 𝑆𝐸𝑇𝑎𝑠ℎ𝑟𝑎𝑒() aberta com o arquivo “f(x)

SET_ASHRAE standard 55.R”.

Figura 6 – Exemplos de utilização da função SETashrae.

17

5.5. EXEMPLO DO TOLIMITS()

A Figura 7 mostra um exemplo da utilização da função 𝑇𝑂𝑙𝑖𝑚𝑖𝑡𝑠() aberta com o arquivo “f(x)

TOlimits_ASHRAE standard 55.R”.

Figura 7 – Exemplos de utilização da função TOlimits.

18

5.6. EXEMPLO DO COMFORTVECTORIZED()

A Figura 8 mostra um exemplo da utilização da função 𝐶𝑜𝑚𝑓𝑜𝑟𝑡𝑉𝑒𝑐𝑡𝑜𝑟𝑖𝑧𝑒𝑑() aberta com o arquivo

“f(x) Comfort vectorized operations.R”. A Figura 9 mostra a pasta com os arquivos de entrada do

exemplo, cujo caminho é inserido no argumento 𝑖𝑛𝑝𝑢𝑡. A Figura 10 mostra os arquivos de saída, cujo

caminho é inserido no argumento 𝑜𝑢𝑡𝑝𝑢𝑡.

Figura 8 – Exemplo de utilização da função ComfortVectorized.

Figura 9 – Pasta com os arquivos de entrada para a função ComfortVectorized.

19

Figura 10 – Pasta com os arquivos de saída da função ComfortVectorized.

20

5.7. EXEMPLO DO COMFORT INDICES()

A Figura 11 mostra um exemplo da utilização da função 𝐶𝑜𝑚𝑓𝑜𝑟𝑡𝐼𝑛𝑑𝑖𝑐𝑒𝑠() aberta com o arquivo

“f(x) Long-term indices.R”. A Figura 12 mostra a pasta com os arquivos de entrada do exemplo, cujo

caminho é inserido no argumento 𝑖𝑛𝑝𝑢𝑡. A Figura 13 mostra os arquivos de saída, cujo caminho é

inserido no argumento 𝑜𝑢𝑡𝑝𝑢𝑡.

Figura 11 – Exemplo de utilização da função ComfortIndices.

21

Figura 12 – Pasta com os arquivos de entrada para a função ComfortIndices.

Figura 13 – Pasta com os arquivos de saída para a função ComfortIndices.

22

6. CONSIDERAÇÕES FINAIS

O pacote a ser baixado em < ... > contém as seguintes pastas com arquivos de exemplo para aplicação

dos scripts em lote:

Input vectors: pasta que contém 3 arquivos “.csv” no formato exigido pelo script “f(x) Comfort

vectorized operations.R”;

Output vectors: pasta que contém 3 arquivos de saída “.csv” resultantes da aplicação dos

arquivos da pasta input vectors com o script “f(x) Comfort vectorized operations.R”;

Input long-term: pasta que contém 5 arquivos “.csv” no formato exigido pelo script “f(x) Long-

term indices.R”;

Output long-term: pasta que contém 2 arquivos de saída em “.csv” resultantes da aplicação dos

arquivos da pasta input long-term com o script “f(x) Long-term indices.R”.

Os algoritmos não podem ser utilizados para fins comerciais, apenas para fins acadêmicos. Quando da

utilização dos scripts a referência bibliográfica de Silva et al. (2016) e deste presente relatório devem

ser devidamente citadas.

Usuários avançados do R podem contribuir com melhorias nas diversas funções. Qualquer

contribuição ou dúvida deve ser encaminhada para Arthur Santos Silva ([email protected]).

7. REFERÊNCIAS UTILIZADAS E RECOMENDADAS

ASHRAE. American Society of Heating, Refrigerating and Air-conditioning Engineers. Standard 55

- Thermal Environmental Conditions for Human Occupancy. 2013.

GAGGE, A. P.; FOBELETS, A. P.; BERGLUND, L. G. A standard predictive index of human

response to the thermal environment. ASHRAE Transactions, v. 92, n. 2B, p. 709–731, 1986.

ISO. International Organization for Standardization. ISO 7730. Ergonomics of the thermal

environment – Analytical determination and interpretation of Thermal Comfort using

calculation of the PMV and PPD indices and local thermal comfort criteria. Geneva,

Switzerland, 2005.

SCHIAVON, S.; HOYT, T.; PICCIOLI, A. Web application for thermal comfort visualization and

calculation according to ASHRAE Standard 55. Building Simulation, v. 7, n. 4, p. 321–334,

2013.

SILVA, A. S.; GHISI, E.; LAMBERTS, R. Performance evaluation of long-term thermal comfort

indices in building simulation according to ASHRAE Standard 55. Building and

Environment, v. 102, p. 95–115, 2016. dx.doi.org/10.1016/j.buildenv.2016.03.004

YANG, B.; SCHIAVON, S.; SEKHAR, C.; CHEONG, D.; THAM, K.K.; NAZAROFF, W.W.

Cooling efficiency of a brushless direct current stand fan. Building and Environment, v. 85,

p. 196–204, 2015.

mailto:[email protected]

RELATÓRIO TÉCNICO - labeee.ufsc.br³rio_Comfort... · 1 1. INTRODUÇÃO Na área de pesquisa de...

Documents

Transcript of RELATÓRIO TÉCNICO - labeee.ufsc.br³rio_Comfort... · 1 1. INTRODUÇÃO Na área de pesquisa de...